复杂度脑电地形图研究

脑电地形图是近年脑电分析的热点之一。通过对各种复杂度算法的分析得出,近似熵由于所需要的时间序列长度较短 ,大大减少了脑电非平稳性所带来的困难 ,且无需粗粒化 ,在对生物医学信号的复杂度分析中有其一定的优点。采用近似熵对多道脑电信号的复杂度运算结果 ,通过空间插值 ,构建复杂性动态脑地形图 ,以便于观察大脑各部EEG信号复杂度在同一时刻的相对强弱关系和这种关系随时间的变化。并通过对一些脑疾病患者脑电数据的分析 ,探索病理情况下复杂性脑地形图与正常对照在结构上的不同,从中提取信息 ,以期获得一种客观且易于为临床接受的对脑疾患、特别是功能性疾患的判别方法。通过分析发现精神分裂患者闭眼时的复杂度脑地形图模式较正常人复杂 ,而癫痫患者在癫痫发作期脑电复杂度水平降低。